Мультимедийные аппаратные интерфейсы

Мульмедиа предусматривает обработку огромных объемов информации, не "проходящих" через обычные аппаратные интерфейсы. Поэтому для повышения производительности был введен специальный интерфейс IEEE 1394 (FireWire), разработанный фирмой Apple.

Что такое IEEE 1394? Это стандартная технология шины последовательной передачи данных для соединения компьютера с периферией. При этом обеспечиваются следующие преимущества:

- высокая скорость (100, 200, или 400 Мб/с для IEEE 1394a; 800 Мб/с для IEEE 1394b, в перспективе 1,6 и 3,2 Гб/с);

- поддержка “горячего” (Fire) подключения и отключения. Автоматическое распознавание присоединения и отсоединения аппаратуры и возможности делать это при работающем компьютере, т.е. даже тогда, когда шина работает в полном режиме;

- возможности общения аппаратуры с IEEE 1394 In/Out между собой без компьютера. Широко применяется, например, для редактирования при прямой перезаписи информации с одной видеокамеры на другую;

- простота конфигурирования и широта возможностей. Шина позволяет подключать до 63 устройств без применения концентраторов. На одном устройстве может быть до 27 разъемов для подключения к компьютеру и другим устройствам. Шина поддерживает конфигурирование Plug&Play;

- использование кабелей малого диаметра и миниатюрных разъемов (4 или 6 контактов). Интересно, что разъем был заимствован у компьютерной игры Nintendo Gameboy, так как показал высокую износостойкость в условиях беспощадной эксплуатации;

- пакетная передача данных. Мультимедийные данные, например видеофильм, разбиваются на пакеты с интервалами между ними. Число пакетов определяется тем, какой длины фильм посылается, а в интервалах посылается служебная информация, например, «Стоп» или «Пуск».

- поддержка асинхронной и изохронной передачи данных. При асинхронной передаче получение каждого пакета данных проверяется, и, если он не получен или принят с повреждением, передача повторяется и ошибки исправляются;

- питание внешних устройств через кабель IEEE 1394.

Функциональная схема интерфейса IEEE 1394 показана на рис.19.1. Здесь внизу находится физический уровень, на котором происходит перевод стыкуемых мультимедийных сигналов в компьютерные форматы или наоборот, с формированием, кодированием/декодированием и арбитражем, определяющим, в каком порядке устройства IEEE 1394, составляющие сеть, могут работать.

Рисунок 19.1 - Функциональная схема интерфейса IEEE 1394

На уровне обрабатываются и формируются пакеты данных, организуется их прием и передача. Этих уровней достаточно для изохронной передачи данных, когда контроль за передаваемой и получаемой информацией не ведется. При асинхронной передаче данных такой контроль производится на программном уровне обработке, где данные проверяются и отправляются потребителю, если ошибок не обнаружено. В противном случае процедуры на нижнем уровне повторяются до устранения ошибок. Физический уровень может содержать несколько разъемов FireWire, причем два любых устройства IEEE 1394 могут соединяться между собой.

Для работы интерфейса на высоких скоростях потребовались кабели с временем распространения сигнала, не превосходящим допустимых пределов. Для IEEE 1394 это 144 нс, после чего принимается решение о недоступности адресуемого устройства. Устройство кабеля для IEEE 1394 поясняется на рис.19.2.

Рисунок 19.2. - Разрез кабеля FireWire

Диаметр этого кабеля равен 6 мм, и он содержит три витые пары проводников диаметром 0,87 мм:, одна из которых типа 22 AWG предназначена для питания от 8 до 30 В внешней нагрузки до 1,5 А, а две другие – раздельно экранированные пары сигнальных проводов типа 28 AWG. Все проводники с изолирующим заполнением заключены в экранирующую фольгу и оболочку из поливинилхлорида.

Рисунок 19.3 - Разъемы IEEE 1394 (6 контактов)
а) блочный б) кабельный

На фотографиях разъемов IEEE 1394 (рис.19.3) видно, что контакты здесь находятся в середине разъемов и по бокам защищены от доступа металлическим ободком и изолирующей прокладкой у кабельного разъема. Пара проводов, предназначенная для питания внешних устройств, например сканера, не требуется при работе с цифровыми видеокамерами, имеющими собственное питание.

Лекция 20. Назначение и основы использования систем искусственного интеллекта

Искусственный интеллект — это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Среди множества направлений искусственного интеллекта есть несколько ведущих, которые в настоящее время вызывают наибольший интерес у исследователей и практиков. Опишем их чуть подробнее.

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems). Это основное направление в области изучения искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. В последнее время включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing). Начиная с 50-х годов, одной из популярных тем исследования в области ИИ является компьютерная лингвистика, и, в частности, машинный перевод (МП). Идея машинного перевода оказалась совсем не так проста, как казалось первым исследователям и разработчикам.

Уже первая программа в области естественно-языковых (ЕЯ) интерфейсов — переводчик с английского на русский язык — продемонстрировала неэффективность первоначального подхода, основанного на пословном переводе. Однако еще долго разработчики пытались создать программы на основе морфологического анализа. Неплодотворность такого подхода связана с очевидным фактом: человек может перевести текст только на основе понимания его смысла и в контексте предшествующей информации, или контекста. В дальнейшем системы МП усложнялись, и в настоящее время используется несколько более сложных моделей:

применение так называемых «языков-посредников» или языков смысла, в результате происходит дополнительная трансляция «исходный язык оригинала — язык смысла — язык перевода»;

ассоциативный поиск аналогичных фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;

Структурный подход, включающий последовательный анализ и синтез естественно-языковых сообщений. Традиционно такой подход предполагает наличие нескольких фаз анализа:

Морфологический анализ — анализ слов в тексте.

Синтаксический анализ — разбор состава предложений и грамматических связей между словами.

Семантический анализ — анализ смысла составных частей каждого предложения на основе некоторой предметно-ориентированной базы данных.

Прагматический анализ — анализ смысла предложений в реальном контексте на основе собственной базы данных.

Синтез ЕЯ-сообщений включает аналогичные этапы, но несколько в другом порядке.

Обучение и самообучение (machine learning). Активно развивающаяся область искусственного интеллекта. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных. Включает обучение по примерам (или индуктивное), а также традиционные подходы из теории распознавания образов.

В последние годы к этому направлению тесно примыкают стремительно развивающиеся системы data mining — анализа данных и knowledge discovery — поиска закономерностей в базах данных.

Рисунок 25 – Схема Data Mining

Data Mining - это процесс обнаружения в сырых данных ранее неизвестных нетривиальных практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности (Рисунок 25).

Распознавание образов (pattern recognition). Традиционно — одно из направлений искусственного интеллекта, берущее начало у самых его истоков, но в настоящее время практически выделившееся в самостоятельную науку. Ее основной подход — описание классов объектов через определенные значения значимых признаков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Процедура распознавания использует чаще всего специальные математические процедуры и функции, разделяющие объекты на классы. Это направление близко к машинному обучению и тесно связано с нейрокибернетикой.

Новые архитектуры компьютеров (new hardware platforms and architectures). Самые современные процессоры сегодня основаны на традиционной последовательной архитектуре фон Неймана, используемой еще в компьютерных первых поколений. Эта архитектура крайне неэффективна для символьной обработки. Поэтому усилия многих научных коллективов и фирм уже десятки лет нацелены на разработку аппаратных архитектур, предназначенных для обработки символьных и логических данных. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных, параллельным и векторным компьютерам.

Дата добавления: 2014-01-06